智能注塑传感、优化和控制

文摘

注塑是其中一个最重要的材料加工方法大规模生产的塑料制品。广泛应用于各种行业,其产品在我们的日常生活中无处不在。的设置和优化注塑工艺决定最终产品的几何精度和机械性能。因此,传感、注射成型过程的优化和控制对产品质量有至关重要的影响,已经成为一个活跃的研究领域,丰富的文学。本文将智能注塑的概念定义为这三个procedures-sensing积分的应用,优化和控制。本文综述最近的研究在方法检测相关的物理变量,优化工艺参数,控制策略的机器变量在成型过程中。最后,结论是讨论未来的研究方向和技术,以及算法的研究和开发。

1。介绍

塑料工业协会(SPI)报道,在美国,塑料工业是第三大制造业。2017年,美国塑料工业占每年4323.2亿美元的出口和直接雇佣了将近一百万人1]。因此,塑料产业对国家经济的贡献。塑料现在最广泛使用的材料和他们的使用涵盖整个光谱的全球行业(2]。注塑被认为是最重要和有效的过程用于生产塑料制品。它占了大约80%的塑料商品在现代塑料工业(2),因此,它是制造业的重要支柱之一。作为一个高度复杂的过程,塑料注射成型可分为三个阶段:灌装、包装、和冷却。在整个过程中,聚合物是大型和动态压力和温度的变化。整个过程是复杂的,因为过程变量强耦合,很难准确分析。现在,由注塑制造合格的产品仍主要依靠手工操作和试错的方法3- - - - - -5]。显然,这种传统的方法有缺点生产效率低,可靠性和可重复性差,和对经验的依赖。因此,它是必要的和重要的开发一种先进的注塑方法,是基于科学和技术导向。

最近,很多注意力都集中在智能(智能)制造,代表深入集成新一代人工智能(AI)技术和先进制造技术。它贯穿整个生命周期中的每一个环节的设计、生产、产品和服务(6]。智能注射成型是指生产过程,使用人工智能技术从生产中提取信息,计算机优化方法和控制策略来开发一个在线生产优化系统。通过遥感的综合利用、优化和控制方法,智能注塑生产过程可以提高生产效率和产品质量。

在生产过程中,材料和模具预选时,一个聪明的注塑方法需要获得高质量和稳定的生产。如图1、智能注塑包含三个phases-sensing、优化和控制所有相关。传感过程首先需要实现实时检测变量从注塑成型过程,并进一步诊断和指导生产过程。此外,最佳工艺参数应该由流程优化,因为它是获得高质量的关键注塑产品精度高。最后,足够的机器控制精度和repeatability-which意味着鲁棒控制机器参数是必需的。此外,先进的控制策略将有助于节约能源生产(7]。将这三个阶段集成到一个有效的在线质量控制模式,即部分在虚线框图1是智能注射成型的主要目标之一。它吸引了许多研究者的广泛关注在注塑领域。

在2005年的评论文章,注塑控制(8后过程设置分为三个levels-machine控制,过程控制,质量控制。由于缺乏高质量的传感器和过程和质量关系模型中,有一个潜在的机会发展的优化和注塑产品质量的控制。此外,随着科学技术的进一步发展在注塑,事实上,已经有很少的回顾过程传感,本文旨在回顾和总结了近年来智能研究注塑。它将专注于传感、优化和控制,以便读者能够获得有用的信息和智能注塑工艺的概述。本文概述如下。部分1提供了一个智能注塑的简要介绍。部分2,3,4讨论感应,注塑工艺的优化和控制方法和现在的这些领域的最新发展。最后一节提供了一个智能注塑的总结和未来的方向。

2。过程传感

传感的注塑工艺集中在温度、压力、位置、速度等,反映了物理状态的过程。温度和压力是两个基本的物理变量,注塑过程中是最重要的。此外,各种传感技术中,温度和压力传感器是最发达和最广泛的利用。通过感应的温度和压力,可以获得丰富的模具信息和聚合物熔体。持续的技术发展,出现了一些新方法在注塑领域。他们中的一些人能够描述多变量除了温度、压力、位置和速度。本节将简要介绍传统和新兴方法用于注塑过程和最新的研究进展。最后,将提出的结论和分析和讨论。

2.1。传统的方法

温度和压力是最重要的变量在注塑过程中。因此,他们获得了最多的关注。因此,传统的压力和温度传感器是成熟发达国家和最重要的工具在测量融化状态和描述产品质量(cf。图所示2(一个))。

2.1.1。压力测量

压力传感器的主要两个types-resistance和piezoelectricity-which产生阻力变化和电压变化,分别针对不同的压力水平的压力。商业压力传感器已经发展迅速。近年来,商业压力传感器已被广泛用于研究熔体压力和各种参数之间的相关性的注塑工艺12- - - - - -15]。此外,压力传感器也被用来研究腔压力曲线之间的相关性在注入/包装阶段和最终变形的模制品16]。结果表明,熔体的压力差在两个位置沿径向流路径有关的部分变形,可以用来描述的弯曲成型产品。毛等。17)提出了一种新颖的自动功能学习方法使用空腔压力数据。结果表明,该方法可以获得更高的分类精度和过程监控提供更优的解决方案。基于这些研究,在线腔压力曲线可以用来描述注射工艺参数和产品质量。由于空腔压力,压力传感器检测到的值通常是一个一维(1 d)值(在正常的方向),Heinle和鼓手18]因此提出了一个标准的三向力传感器,这是生硬地连接到测量元素腔腔测量三维力。然而,有时安装压力传感器直接介绍产品缺陷传感器表面标志的形式。

在最近的研究中,研究人员已经提出了一些替代方法为空腔压力测量为了维护部分的完整性和模具。Gim et al。10]间接压力传感器安装在透镜核心监测充填不平衡和短镜头不会造成产品缺陷(cf图2 (b))。蔡和局域网19]研究熔体压力和空腔压力之间的关系在不同的跑步者跑位置和确定了位置当地运动员代表空腔压力的压力。此外,产品质量可以通过安装监测传感器在不同的跑步者的位置。关和黄20.)使用一个表面应变传感器和压力传感器安装在模具的腔和表面,分别发现腔压力正比于模具表面应变通过基于数据的回归方法。使用这种相关性,精确腔压力分布可以间接获得通过模具表面应变数据。此外,一些质量监控方法使用其他压力传感器也被提出。Zhang et al。21)提出了一个统计质量监控方法注塑,仅使用液压和螺钉位置数据从传感器获取内置机。用现在的方法,成功的故障检测是优秀的。周et al。11)建立了一个质量预测模型基于聚合物熔体特性在线监测产品重量变化。压力积分,这是通过使用机器内置的注塑压力传感器,被用来作为一个有效的过程变量来预测产品重量差异(cf图2 (c))。

2.1.2。温度测量

热电偶和红外温度传感器是两个最常见的注射成型过程中的温度传感器在线检测。热电偶是一种传感器,转换热势差电位差。根据所选的导电材料,它可分为年代,K, E, T, B和J类型。考虑到成本和工作环境,j和k热电偶通常是使用。热电偶广泛应用于开发和操作的快速热循环成型(RHCM) [22- - - - - -27),这是一个过程,迅速在注射模具的表面温度变化和冷却阶段生产为目的的产品特殊特性,如高光泽表面,没有延长周期。温度传感器能够真正地监控模具的温度、空腔表面,传热介质(如冷却剂)。

然而,当检测熔体温度、热电偶温度只能测量接触材料之间的接触点(模具或融化)和传感器,测量,这是不太可能的特征大部分的温度融化。约翰斯顿et al。28)开发了一个分析,使用数据从一个型内热电偶来预测一个塑料的大部分融化温度。热流通过模具钢是考虑整个熔体温度和计算结果验证了红外(IR)温度传感器。在另一项研究中,通过测量瞬时熔化温度、杨et al。29日)研究结晶,凝固动力学在注塑,代表另一个使用热电偶的注塑。

注塑称为过程伴随着剧烈的变化在温度和压力。为了揭示更多在线在注塑过程信息,综合利用各种传感器已经成为常用的研究方法。高et al。30.,31日)获得在线熔体粘度和速度通过组合使用各种传感器(热电偶、红外温度传感器、压力传感器和multitemperature和压力传感器,cf,图3)。的粘度和速度计算测量值的传感器。Mendibil et al。32)监测压力和温度传感器位于流道系统和微地形特征腔,并进一步实现在线质量检验和质量从共焦显微镜测试结果。

2.2。新兴的方法

获得熔体温度和压力以外的信息,一些新兴注塑过程中一直为传感方法。这样的新兴方法包括超声波,可视化模具、x射线计算机断层扫描、电容式传感器、和磁悬浮检测。这些方法将介绍如下。

2.2.1。超声波

超声波机械波的频率大于20千赫33]。超声技术是一种很有前途的方法表征聚合物的过程,因为它可以应用于实时和在线,除了无损和环保34- - - - - -36]。超声波反射表面的媒体,和波的衰减和速度变化根据媒体的属性。通过研究超声波脉冲反射波的衰减和速度之间的关系和聚合物的物理性质,这种方法已经应用于许多研究离线检测注塑件(37,38]。同样,超声波可以应用在生产过程中在线质量检测(39]。

基于超声波的原理方法,在线检测材料的桶和喷嘴在注塑可以实现。例如,固体床熔池比已经量化使用无创性超声系统基于反射测量(40]。自动化的分析反映脉冲也意识到,这意味着塑化过程可以监控网络在不同的轴向位置沿桶。Praher和Steinbichler41测量螺杆之间的间隙和桶在注塑机的塑化单元,磨损状态的tribomechanical screw-barrel系统和不合适的工艺条件可以被探测到。此外,除了内容和融化融化条件在塑化过程中被超声波检测,无创超声断层扫描系统也提出了Praher et al。42,43]。超声波发射器和五个超声波接收器,和五个人声音通过聚合物熔体的实现路径(cf图4(一))。因此,聚合物熔体的温度分布可以通过分析计算超声波脉冲的传输时间路径通过不同的声音。超声波探头设计策略进行了讨论,考虑到传统的超声波传感器无法忍受高温的环境中,如注射筒。

小野等人在这一领域做出了很大贡献。具体来说,高温超声换能器被发明和应用在显微镜下注射成型45],coinjection成型[46),和辅助注射成型过程(47)在线聚合物表征。通过安装高温超声波换能器在喷嘴位置、吴et al。48,49]揭示聚合物熔体的流动特性和喷嘴的流动条件。喷嘴的熔体流动特性,包括动态聚合物熔体的流动速度和密度,可以在线监控。

通过超声波检测型内信息揭示了丰富信息的过程和属性在注塑过程中融化。微孔注塑(MIM)过程也表现为一个原位超声法(50)(cf图5)。在这项研究中,细胞大小、表面粗糙度和皮肤层厚度的产品在超声波回波信号的特征。此外,纵向波的检测特征注入过程实时数据和聚合物形态的变化,包括熔体前沿到达时间、注射时间、填充和包装阶段,聚合物凝固过程和聚合物结晶形态变化44,51]。横波实时诊断的杨氏模量和剪切储能模量,以及各向异性特性的聚合物注塑工艺(44)(cf图4 (b))。虽然这里使用的方法和理论非常类似于那些用来检测塑化,这部分的测量是一个在线、非等温过程非常难以实现。数据难以分析。

我们的研究小组提出了一个超声波方法测量腔压力在注塑过程中通过高斯过程(9,52]。最近,我们采用超声波法测量压力注射成型机的领带夹,因此监测机器的服务情况(53,54]。我们还建立了一个物理模型来估计上的空腔压力和压力之间的关系系酒吧和同样实现了间接测量腔的压力通过强调领带棒(55]。

2.2.2。可视化模具

在注塑过程中,因为熔融聚合物的行为在一个封闭的腔,进行成型过程无法被肉眼观察到。因此,研究人员通常开发一个可视化模具结合高速摄影机观察成型工艺(56- - - - - -60]。Guerrier et al。56,57)开发了一个可视化模具代替部分模具钢材与玻璃观察和验证的准确性注塑过程的三维数值模拟进行计算机成型(cf。图,取得了理想的结果6)。郑大世et al。58)铝闪光粉添加到融化观察和跟踪粒子的流动轨迹的融化在融化前观察喷泉流动的效果。江等人也开发了一个可视化实验装置观察coinjection成型的聚合物熔体的流动和超声波协助注塑工艺59,60]。

2.2.3。x射线计算机断层扫描

注塑零件,研究人员最关注产品的力学性能。然而,表面可复制性和内部结构的部分可以更关注在一个相当大的一部分。这些属性特征的产品还没有被困难是很少有相关研究。计算机断层扫描(CT)在工业上的应用正在迅速增加。CT扫描能够评估分布和地基特点61年]。基于体素,它可以作为一个可视化方法,给工作的内部结构的图像块。它广泛应用于缺陷检测和纤维取向分布的观察62年- - - - - -64年注塑件(cf)。图7(一))。基于表面,如数字化和维计量(65年),它可以测量表面轮廓和偏差的注塑件(cf图7 (b))。当然,它需要准确性和可追溯性。此外,CT扫描仍然有其局限性;更快的周期时间和更好的经济需要更广泛的制造业应用程序实现。

2.2.4。电容式传感器

电容传感器的设计是一个有用的物理现象。它已经成功申请测量距离,面积,体积,力量,湿度,等等,在工业66年]。如果两个金属板可以分别安装在两个模具部分和互相隔离的,他们可以形成一个电容器的两个电极。这样一个电容传感器的测量熔体前沿位置和熔体前沿速度提出了注塑过程监控(66年- - - - - -69年]。由于聚合物熔体的填充,两个电极之间的电容变化,导致电容器上的电压变化。电容式传感器的原理及安装方案图所示8(一个)。聚合物比空气导致电容器的介电性能的变化,进一步导致电极上的电压变化。

电容传感器不仅可以检测聚合物熔体前沿位置和熔体流动速率(69年),但也开始和结束的模具填充,门冻结的时候,和超紧密堆积作用[66年]。传感器输出可以进一步相关的在线部分体重预测和测量部分凝固率(68年]。结合基于数据的回归分析,这种类型的传感器可以用于在线监测,一部分体重预测,和注塑(挡圈故障检测67年]。

基于同样的原则作为电介质,rheodielectric传感器也称为平面电容传感器,研制了与互相交叉电极沉积在衬底表面附近介电材料(70年]。互相交叉电极电极条安排像两只手的手指联锁折叠在一起(cf数据8 (b)和8 (c))。这种传感器可以安装在腔表面,在电极上的电压变化反映了材料的介电常数,这是相关材料的剪切应力和方向(71年- - - - - -73年]。因此,平面电容传感器能够测量材料的剪切应力和方向在注塑工艺。

2.2.5。磁悬浮

质量检测的最后部分是注塑生产的一个重要组成部分。在材料科学领域,有一些表征方法包括广角x射线衍射(WAXD) [74年- - - - - -79年],nanocalorimetry [80年),和x射线断层扫描(62年,63年]。这些方法通常是广泛用于测量最终产品的物理性质。他们有优秀的描述精度,但设备成本通常是非常高的。

磁悬浮检测Mirica和他的同事在2009年提出的方法用于测量密度(81年),也称为磁悬浮方法。设备由两个相同的永久磁铁组45毫米,与相同的波兰人面对彼此。样品沉浸在顺磁介质,然后悬浮在一个平衡位置以及设备的中心线(cf图9(一个))。根据悬浮高度,可以计算出样品的密度。设备的精度估计为0.0002克/厘米³。许多研究人员专注于发展磁悬浮技术和所做的很多工作和成就在这个特定的领域81年,82年,85年- - - - - -87年]。通过压扁装置(cf图9 (b)),实现与大密度测量样本的能力(83年,88年,89年]。此外,我们的研究小组采用环形磁铁磁悬浮(90年,91年)确保更好的可见性、可访问性和可操作性的样本。

萨勃拉曼尼亚和他的同事们的研究发现,悬浮的姿态样本与样本的形状(92年]。因此,Hennek的工作探索的可能性使用磁悬浮塑料零件的质量控制方法93年]。最近,我们的研究小组进一步分析了缺陷的位置之间的相关性和样品的悬浮的姿势94年,95年]。该方法进一步应用于洗衣机的评价82年和射出成型来96年)和细微的差别可以检测到(cf图9 (c))。此外,基于其精度高、分离和回收的磁悬浮方法也是研究不同聚合物通过小密度的差异(84年,97年,98年)(cf图9 (d))。

总之,超声是一位杰出的和综合的方法在线过程传感的注塑是一种非破坏性方法,提供了丰富的信息。CT扫描可以提供丰富的产品质量特性。磁悬浮是一个很好的新兴产品缺陷检测的方法。它具有良好的测量精度以较低的成本,使其值得追求的。

3所示。优化工艺参数

注射成型过程包括许多注射速度和压力等工艺参数,包装时间和压力、模具温度和冷却时间。这些参数相互耦合的影响,这使得它很难设置工艺参数,往往在很大程度上依赖于长期的熟练操作者的经验。

许多研究已经进行了注射成型过程的优化,以减少投放市场的时间,获得一致的注塑件质量,并提出了一些方法。一般来说,这些优化方法可以分为三类。第一类包括确定最优过程设置noniterative分析基于实验或仿真结果。它还包括分析基于过去的经验。第二类建立工艺参数和产品质量之间的关系基于近似数学函数通过实验获得的代理模型。第三类使用一个全局搜索过程在一个给定的参数区域,建立代理模型,利用智能优化算法在本质上遵循一些规则。这三个类别通常综合解决实际问题时,将在这一节中介绍。

3.1。Noniterative优化方法

Noniterative方法通常基于实验结果和实践经验。他们可以提供初步的流程设置或给予的方向或路线优化。Noniterative优化方法容易实现,需要更少的计算。他们被广泛应用于研究,包括以下方法:案例推理(CBR) [3)、专家系统、模糊系统(99年),而田口方法(One hundred.- - - - - -116年]。

当优化工艺参数,实现一组实际注塑实验(111年)是一种可靠的方法来获得产品质量信息在某些参数设置。然而,由于时间,费用,和其他原因,使用仿真分析方法(101年- - - - - -104年,107年- - - - - -110年,117年- - - - - -120年)更有可能被用于研究来描述不同层次的各种参数的影响产品质量。一些常见的仿真软件包包括模塑仿真分析,Moldex3D, HsCAE和ANSYS。

3.1.1。田口方法

田口方法是一种有效的方法来优化吞吐量在各种生产方面的流程。它已经广泛应用于优化生产参数的工程设计和分析(121年,122年]。它提供了一个优化框架根据实验和数据分析。其具体步骤可分为(1)测定实验参数及其水平,(2)实验设计,(3)实施实验,(4)数据分析。通过分析注塑产品的质量与不同的参数,工艺参数对产品质量的影响可以通过方差分析访问(方差分析),范围分析,分析信噪比(S / N)。最后,相对可以确定最优参数设置。

应用田口方法,郭和廖One hundred.和林和谢101年)调查的影响参数对透镜几何的准确性。许多其他的研究人员也应用田口方法来优化残余应力,体积收缩和翘曲属性(102年- - - - - -104年]。谢et al。106年]花了四参数考虑和研究的影响关键注塑工艺参数对试样的密度和强度。王等人。108年)扩展的范围变量的数量调查盖茨,门的尺寸,模具温度、聚合温度、填充量转换,V / P切换,冷却时间。信噪比(S / N)的分析和方差分析(方差分析)进行了最好的工艺参数被发现。使用这种方法,抗压强度增加12%相比,实验的平均值。Sanchez-Sanchez et al。114年]采用田口方法来实现最优水平的超声波协助注塑参数和最大化的抗拉强度超高分子量聚乙烯(UHMWPE) /石墨复合材料;抗拉强度增加了8.8%。

设计一个实验与田口方法的基础是正交数组。通过使用正交数组,可以实现更好的设计的样本集和结果可以通过运行仿真代码或执行相应的实验。

正交数组是一个典型的实验设计(DOE)方法。除了田口方法,它广泛应用于其他优化解决方案设计的样本集。实际过程通常包含多个影响因素。包括所有可能的组合要素的充分设计的因素和水平,因此它需要大量的试验花费很多时间并且实现起来成本太高。能源部,然而,可以显著减少实验所需的数量,同时揭示了主要的影响。能源部几乎完全用于迭代和noniterative方法。正交试验设计(OED)中使用田口方法是应用最广泛的DOE方法。此外,还有许多其他DOE方法如CCD, bdd和铲运机。表1展品最常见的DOE方法在文献中。

3.1.2。聪明的方法

案例推理(CBR)是一个程序,使用旧的解决方案来解决新问题和评估新方案进行进一步的应用。CBR是一个很好的方法来确定初始工艺参数。困难主要在于新问题的描述和定义,找到老匹配的解决方案。优化结果强烈依赖库。

专家系统(ESs)是人工智能的一个小分支,解决问题和提供建议使用人类专家在一个特定领域的知识。ESs雇佣的专家级知识实现性能专家为了解决特定的问题。他们的知识都是理论和实践;即人类专家提供系统的知识一般都是自己增强自己的理论理解问题域。

模糊系统是一个近似推理方法基于模糊集合理论的概念。模糊规则和隶属度函数组成系统的知识库(3,4]。模糊化过程将输入变量转换成模糊值,而去模糊化过程模糊结果转换成清晰的输出变量。模糊推理引擎使用模糊规则在每个评估周期。

专家系统和模糊推理的方法修改工艺参数,结合工艺参数和产品缺陷,基于一些提炼知识的人类经验。这些方法可以指导优化(132年)和优化一些不能定量描述的产品缺陷,如flash,流纹,毛孔。

周et al。4)采用基于实例推理(CBR)的概念来确定初始工艺参数,并讨论了四种case-adaptation策略。模糊推理的意识形态基于专家知识和实践经验用于缺陷修正和工艺参数优化。模糊规则和隶属函数进行了讨论。最后,一个集成的智能优化系统构建了基于CBR和模糊推理。CBR适应策略来简化模型转化为几个基本几何图形的组合,和简化仿真模型应用于CBR方法获得初始参数设置(5]。此外,基于以前的工作,赵et al。3]介绍了实证模型(EM)优化系统,结合CBR方法,给出初始工艺参数,并结合模糊逻辑算法优化的缺陷,这个系统被有效地应用于实际生产。

3.2。代理模型

代理模型不是一个独立的优化方法。他们最初是作为一种工具用于拟合数据,并可以应用到优化过程。优化结果noniterative方法往往只有一个当地参数的最优组合。为了获得全局最优的结果,一些代理模型需要相关工艺参数和目标,因为它是昂贵的和不切实际的如果每个函数的技术涉及一个耗时的仿真评估。常用的代理模型包括响应面法(RSM)、人工神经网络(ANN),支持向量回归(SVR),克里格模型,高斯过程。代理模型的调查近年来注塑优化表所示2。一些代理模式,如RSM和安,可以利用在noniterative方法作为实验数据处理方法,在合理的时间间隔的参数可以作为一个窗口过程。一般来说,代理模型作为一个近似函数的智能算法的每次迭代中,这将在下一节中介绍。

RSM生成的多项式模型通常被称为响应面(RS)模型在文献中。RS模型建立技术基于统计实验设计(DOEe)和least-square-error拟合方法。当构建一个RSM模型,进行回归分析。如果用户有先验知识的客观问题,可以选择适当的模型。否则,几款需要由第一到第三或第四订单,最好是选择模型中根据预测错误。Heidari对伊朗伊斯兰共和国通讯社表示et al。125年构造一个RSM优化的收缩和翘曲三聚乳酸(PLA)骨螺丝。使用这种方法,他们成功地获得产品的最低收缩和翘曲。

人工神经网络作为一种被广泛接受的技术,提供了一种替代的方法模拟复杂的和不明确的问题。他们被用于不同的应用程序和在系统建模类似RSM尤其有用。一个安是由一个或多个输入和输出层之间的隐藏层放置。计算结构,由一个高度相互连接的神经元处理单元的数量。总结加权神经元的输入,然后应用线性或非线性函数产生的总和为确定输出。安学会近似函数通过训练过程和调整他们的重量和偏见,直到性能指标达到预先设定的阈值。Kitayama et al。128年,129年)开发了一个注塑模具与保形冷却通道,与计算机模拟相结合,利用径向基函数网络对注射过程的多目标优化。周期时间提高了26%,弯曲提高了14%使用工艺参数的最优组合。周素卿et al。112年)和Oliaei et al。113年)优化注入参数使用响应面方法和神经网络方法,分别和较低的产品收缩。同时,应用田口方法和与代理模型相比,结果是在良好的协议。

还有许多其他代理模型,用于构造近似函数基于实验或仿真,如支持向量机(SVM) [143年)和克里格模型。他们有类似的角色在优化和不会专门介绍。这些代理模型为一个目标函数描述的迭代结果进行迭代优化策略,从而使迭代结果的评估耗时少(123年,130年,131年,133年,135年,136年,141年,144年,145年]。

3.3。迭代优化方法

正如上面提到的,一个简单的基于实验和数据分析的优化算法不太可能给一个全局最优的解决方案。为了获得更好的优化结果,迭代优化算法通常利用获得收敛全局最优的参数组合。迭代优化方法可以分为确定性和随机方法根据改善的最佳点在每个迭代的方法(132年]。随机方法已被主要用于注塑工艺参数优化和通常称为智能优化算法。这些算法包括遗传算法(GA) [123年,133年,134年,146年- - - - - -155年),粒子群优化(PSO) (99年,131年,136年,147年,151年- - - - - -153年,156年,157年)、模拟退火和希尔攀登。这些算法从随机变量和迭代开始为下一个变量根据自己的迭代原理,直到找到最佳点。确定迭代方向相似的进化的自然现象。代理模型适用于描述产品的质量在每次迭代后的参数设置。全局最优参数设置后预计将发现一些运行或迭代,因此,他们成为一个可行的注塑参数的优化方法。然而,找到全局最优解的概率减少随着问题规模的增加。

遗传算法搜索算法是模拟生物进化的原则自然遗传系统。气体可以用来解决困难问题的目标函数,拥有“坏”属性,如那些多通道、不连续,nondifferentiable。这些算法维护和控制人口的解决方案和实现他们寻找更好的解决方案是基于“适者生存”的策略。这提供了一个隐式和显式并行性,允许开发的几个有前途的领域对于一个给定的解决方案空间在同一时间。应用遗传算法结合一个RSM模型,公园和阮(133年解决多目标优化问题的能源消耗和产品质量。李等人。123年]最小弯曲的纤维增强复合材料注塑结合GA与BP神经网络。赵et al。146年)采用改进的有效的全球优化(IEGO)算法来近似非线性工艺参数与质量指标之间的相关性的最终产品,然后第二nondominated排序遗传算法(NSGA-II)开发寻找最小的弯曲工艺参数的组合和塑料制品的体积收缩。

粒子群优化方法首次受鸟群和鱼的生物和社会行为学校(158年]。这种行为被统称为群集。当一群寻找食物,其个人独立分散的环境和移动。每个人都有一定程度的自由或随机的运动,这使它能够找到食物。迟早有一天,其中一个会找到一些消化,是社会,将宣布这个邻国(159年]。在算法中,可能的解决方案,称为粒子,类似于鸟或鱼。这些粒子飞行根据自己的飞行经验和同伴的飞行经验。

应用算法,Kramar和亚信论坛99年最大化模制产品的抗拉强度。Zhang et al。131年)进行了多目标优化注塑工艺参数的柴油机油冷却器涵盖了基于椭球基函数神经网络。徐et al。136年)建立了一个bp神经网络模型,以反映复杂非线性工艺参数与产品力学性能之间的相关性。他们发现,粒子群优化算法显著提高机械性能和性能的产品。

还有许多其他进化算法,如模拟退火算法和蚁群算法,它与其他遗传算法和PSO模型有很多相似之处。他们都初始化一个人口以类似的方式,寻找更新一代的最优解。他们已经成功地应用在许多研究和工业应用。

理想的注塑工艺优化结果总是来自使用各种方法的组合。这是总结在图10。一般来说,它始于noniterative方法像CBR给一个初始流程设置,然后实验设计(DOEe)技术是用来提供的样本集。后执行实验,分析不同参数的影响,当地的一个最佳组合参数可以像一个窗口过程。此外,代理模型可以用来关联工艺参数和目标。因此,可以优化工艺参数,获得一个优化产品质量与应用程序的智能迭代算法,如遗传算法和粒子群优化模型。

例如,GA方法结合摘要(149年],RSM [134年,150年),和克里格模型(148年作为代理模型。工艺参数的最佳组合,成为获得稳定。此外,与摘要利用PSO算法应用优化flash和注塑件的体积收缩157年]。此外,GA / PSO混合方法被开发作为一种迭代法(147年,152年,153年的协助下),摘要或RSM弯曲降低了38.6%。

模范自由优化(MFO)算法也是一种有效的方法。约翰斯顿et al。160年和杨et al。161年)开发了一个在线,模范自由流程优化方法和获得理想的收敛结果。一个系统的方法,结合数字图像处理(DIP)和模范自由优化(MFO)提出了解决优化问题161年]。MFO使用测量倾角等的反馈来确定最优的设置,这是一个典型的在线智能优化方法。

4所示。过程控制

机器的控制目标包括注射速度、规模,螺杆转速、气缸压力、注入压力,压力包装,包装压力桶温度和冷却剂的温度。这些量化和容易测量变量是最常见的控制变量在现代工业注塑。这些变量的精确闭环控制,确保注塑过程的可重复性高,合成产品。

注射成型过程是一个典型的循环批处理。显然,批处理的控制算法是不同的连续过程。由于非线性和时变复杂的批处理过程的动态特性,它是更加困难比一个持续的过程。因此,注射成型过程控制的发展已逐渐从传统的连续控制策略转移到关注batch-direction特征的控制策略。高F的研究小组(在这个领域取得了很大的进步144年,162年- - - - - -175年]。本节将介绍两种典型的应用程序策略注入molding-traditional反馈控制和迭代学习控制总结和分析组织。最后,将介绍最新的相关研究。

4.1。反馈控制

以下4.4.1。Proportional-Integral-Derivative控制器(PID)

PID控制器是最标准的反馈控制算法和措施控制变量,计算输出和设定值之间的误差,并生成控制器输出基于比例、积分和微分的错误。简而言之,一个PID控制器利用错误来调整输出得到的一组变量。研究人员已经取得了控制模具温度(176年)、伺服液压控制的系统(177年),和产品质量的稳定性143年使用PID控制器。

然而,传统的PID控制并不适合注塑工艺由于其分批操作的性质和非线性和时变特征的过程。自适应控制是一个不错的选择对于这种控制。以某种方式适应它的参数符合非线性或时变过程动力学和提供良好的控制性能。杨和高自校正自适应控制器提出了一个162年注射速度控制,鲁棒性和跟踪性能得到改善。

4.1.2。模型预测控制

模型预测控制(MPC)可以获得优化未来行为的控制信号通过最小化代价函数,并明确使用预测模型。它预测未来时间的流程输出在一定时期内,称为预测地平线。MPC计算一组未来输入特定的步骤通过最小化代价函数,称为控制地平线,所以预测的输出达到以最优的方式设置点。适用于批处理自参考轨迹过程设置在周期开始前。该控制器已成功应用于注塑工艺控制螺杆的移动速度和液压背压178年,179年),冷却液流,冷却液温度180年),和空腔压力181年,182年]。群Zhang et al。166年,167年,170年,173年,183年设计容错控制通过预测函数控制框架的批处理未知干扰和部分执行器故障实现期望的闭环响应。

基于模糊逻辑和神经网络系统,建立一个精确的模型,过程控制是可以避免的。如果由人类知识模糊If - then规则的形式,它可以很容易地执行多输入,对于非线性,从一个多维向量映射到一个标量。这种方法已被用于控制注射速度和可重复性(184年,185年]。Kanagalakshmi et al。186年)开发了一种multimodel综合控制策略,包括不同的方法,如PID、模糊,和自适应neurofuzzy推理系统(简称ANFIS)控制。这三种策略的加权平均是利用控制桶塑化温度。

4.2。学习控制

注射成型是一个批处理,重复的属性。它不同于过去连续过程控制,控制信息可以用来改善当前和未来的周期。这种cycle-to-cycle改进是类似于人类的学习过程;因此,它被称为学习控制。

4.2.1。准备传统的迭代学习控制

批处理过程通常是由两个维度描述时间维度和周期维度(批尺寸)。批处理的重复性质维度可以用来指导系统的控制输出。一般来说,有两种方法可以提高学习沿着周期方向控制性能:控制器参数学习和迭代学习控制。控制器参数学习控制器参数调整和更新周期循环。学习控制信号控制,也称为迭代学习控制(ILC),直接调整控制器的输出。ILC方法已广泛应用于注塑实现稳定跟踪的时间序列和批处理设置点轨迹,提高过程的准确性和可重复性164年,169年,187年,188年]。

4.2.2。二维(2 d)控制

传统ILC只是cycle-wise反馈控制,cycle-wise积分作用确保沿着循环性能改进的方向。二维反馈控制策略,以确保沿着时间和循环性能改进的方向。积分作用沿着这两个方向形成一个2 d ii级联控制消除误差,沿着时间和周期内的方向。

这种控制方法的研究也主要研究高的群体。他们提出了一个强劲的2 d反馈控制结合迭代学习控制(FILC)方法对批处理过程165年,171年,172年]。他们进一步提出迭代学习容错控制(ILFTC)不确定扰动和故障条件(168年]。然后,一个新颖的二维预测函数迭代学习控制(ILC)方案175年,189年)是发达,从而引入一种新的模型公式和误差补偿的方法。他们还提出了一些混合的方法,结合传统的MPC ILC产生二维时间模型预测控制(174年),加上ILC和预测函数控制(PFC) (163年]。

由于注塑过程的非线性和时变特性,常规反馈控制策略为批处理过程控制不是非常有效。这是因为批量方向中的信息是一个重要的控制策略指导。迭代学习控制方法是最早的有效策略。之后,通过引入时间维度的反馈控制,可以实现更快的收敛性和更好的跟踪性能。使用控制策略涉及到很多专业知识控制纪律。感兴趣的读者可以参考更详细的引用(2,190年在这一领域。

4.2.3。强化学习控制

强化学习(RL)是学习环境的行为映射,它旨在允许代理学习如何表现的环境中通过与环境的交互。智能系统通过与环境的交互实现的最大奖励的信号。最近,与人工神经网络(ann)的结合,RL吸引了更多的关注在解决实际控制问题191年]。强化学习控制(RLC)可以有效地处理非线性和高度不确定系统。它是一个强大的算法求解最优控制问题。

阮et al。192年)首次提出应用RLC注塑领域的控制。他们提出了一个混合的方法,结合RLC ILC解决注塑的运动控制问题。RLC是理想的最优控制,但它不适合精确的跟踪控制。因此,结合其他跟踪控制算法,如迭代学习控制,它可以有效地解决注塑的运动控制问题。

5。结论和前景

本文介绍了传感方法和策略,优化和控制的智能注塑和总结了最近的研究在这三个地区。至于过程传感,传统的方法如压力和温度传感器仍然是不可或缺的,而超声波等新兴方法可以获得其他重要的物理变量,提供更丰富的信息提取过程。参数优化,智能算法结合代理模型已逐渐成为广泛使用的优化方法和交付越来越优秀的结果。在机器控制、反馈控制和学习控制是目前最有效的控制算法为典型的批处理过程。目前,这三个领域取得了相当大的发展。此外,它可以得出的结论是,未来的主要研究趋势在于这三个领域的集成和实现产品质量可靠、实时控制在一个更高效、智能的方式。然而,仍存在一些问题,需要进一步研究以达到智能注塑,包括以下几方面。

5.1。知觉和重建多个物理领域

有许多方法来检测或诊断成型过程的物理参数。然而,它可以在文献中找到的方法只能检测物理变量在某个有限的点。一些论文建议数据拟合方法获得腔中的某些物理场的分布。还有一个超声波“断层”构建温度场。但这种方法间接计算并有相当大的错误。将来如何发展先进的传感技术,实现感知的物理领域将继续吸引感兴趣,比如使用一个压力检测膜检测整个域的压力分布。此外,它仍然是相当难以在线检测一些微观物理变量。大量的调查应用超声波和介电方法检测微观物理学的变量已经出现,但他们仍然在早期阶段。此外,值得期待的是物理学发展和建模;它可以直接提高许多物理变量的可观测性否则困惑是什么状态(如温度和熔体压力桶)。 In this field, there are many scientific and engineering problems worth exploring.

5.2。大数据驱动的自主学习

随着信息技术的发展,越来越多的数据可以被收集在目前的工业生产过程,包括每一批的工艺参数和产品质量。如果自主学习基于大数据分析可以实现更高的效率优化的工艺参数。不过毫无疑问,这个过程包含了许多困难,比如数据标准和协议,数据的准确采集样本,和各种复杂的集成方法。相信未来在该领域的技术突破将实现工业集成和生产。

5.3。产品质量特性的定义

众所周知,许多类型的注塑件缺陷不能准确地描述在某些情况下。一些流程优化方法已经有能力给予更好的工艺参数组合,但这些方法往往离线。实现在线检测和流程优化的结合,注塑件的质量特征的定义是非常重要的。可能的方法来估计身体贵重物品单位面积。目前,在线检测模式产品重量、密度、弯曲,等等,是不够的,直接质量反馈控制系统还有待发展。Hopmann和Heinisch185年]在这个方向上取得了一个伟大的尝试,尽管他们熔体的粘度特征而不是质量。此外,有一些产品流痕、气泡等缺陷,不能定量表征,因此呈现定量优化方法的不足。因此,如何正确地描述缺陷,进一步促进他们将是一个新的趋势在未来优化研究。

5.4。模型识别基于学习的方法

等一批处理注塑、反馈控制、学习控制的发展减少了依赖的算法模型。然而,基于模型的控制算法,一个精确的模型有着至关重要的影响控制效果。和一个好的模型仍然可以加速算法的收敛性,提高跟踪性能。在注塑过程中,batch-direction数据可以被认为是作为系统建模的基础和批处理可以进一步利用的特点。此外,由于模具和材料的变化,以前的算法不能持续,也提出了新要求的建模过程。

的利益冲突

作者声明没有潜在的利益冲突的研究,本文的作者,和/或出版。

确认

作者要感谢金融支持中国国家自然科学基金委员会(号。51875519,51635006,51821093),中国浙江省自然科学基金(没有。LZ18E050002)和浙江省的主要研究和开发计划(没有。2020 c01113)。

引用

1. 状态和国会的数据,2019年,http://www.plasticsindustry.org/advocacy/state-congressional-data。
2. h .周注射成型的计算机模拟:模拟、优化和控制新泽西州霍博肯市约翰·威利& Sons,美国,2013年。
3. n .赵z赵、美国廖和S.-B。崔”,概率模型结合支持向量机使用正定基于正则化的道路,”先进的智能和软计算,12卷,不。3、201 - 206年,2011页。视图:出版商的网站|谷歌学术搜索
4. h .周、p .赵和w·冯”一个集成的智能系统来确定注塑工艺,”聚合物技术的进步,26卷,不。3、191 - 205年,2007页。视图:出版商的网站|谷歌学术搜索
5. d·李·h·周,p .赵,y,“注塑、实时流程优化系统”高分子材料工程与科学卷,49号10日,2031 - 2040年,2009页。视图:出版商的网站|谷歌学术搜索
6. j·p·李,y, b . Wang j .藏和l .孟”向新一代智能制造、”工程,4卷,不。1、11日至20日,2018页。视图:出版商的网站|谷歌学术搜索
7. 高张h . l . Ren y, b .金”节能电液注射成型设备的全面研究,“能量,10卷,不。11,1768年,页2017。视图:出版商的网站|谷歌学术搜索
8. 陈z和L.-S。Turng”,回顾当前的发展过程和质量控制注塑、”聚合物技术的进步,24卷,不。3、165 - 182年,2005页。视图:出版商的网站|谷歌学术搜索
9. 周赵p, h . y, k . Cai和j .傅“无损在线监测方法注塑过程通过收集和分析机运行数据,”国际先进制造技术杂志》上,卷72,不。5 - 8,765 - 777年,2014页。视图:出版商的网站|谷歌学术搜索
10. js。Gim, js。Tae,黄永发。全,黄永发。崔,B.-O。Rhee”检测方法多腔模具的充填不平衡对小镜头,“国际期刊的精密工程和制造业,16卷,不。3、531 - 535年,2015页。视图:出版商的网站|谷歌学术搜索
11. 张周x, y, t .毛和h .周”监控和动态控制注塑工艺的质量稳定,”材料加工技术杂志》上卷,249年,第366 - 358页,2017年。视图:出版商的网站|谷歌学术搜索
12. 问:小王,m .甄z . Wu y Cai, t . Kuo-Ming l .骏凯,“在注塑工艺参数对空腔压力的影响,“航会议论文集,卷1820,不。1,文章ID 050005, 2017。视图:出版商的网站|谷歌学术搜索
13. h·哈桑,”一位实验工作的影响注塑参数对腔压力和产品重量、”国际先进制造技术杂志》上,卷67,不。1 - 4、675 - 686年,2013页。视图:出版商的网站|谷歌学术搜索
14. 张周x, y, t·毛y阮,h·高和h .周”特征提取和熔体物理解释压力在注塑过程中,“材料加工技术杂志》上卷。261年,50 - 60,2018页。视图:出版商的网站|谷歌学术搜索
15. d·h·s·公园x莳,s . Kumar“基于AI的注塑工艺一致的产品质量,“Procedia制造业28卷,第106 - 102页,2019年。视图:出版商的网站|谷歌学术搜索
16. h . Zamani s Azmoudeh, k . Shelesh-Nezhad”弯曲特性的薄和centrally-gated注入模制品通过应用腔压力测量,”先进的材料科学研究和机械工程,分1和2、h·鲁伊·埃德。,页1099 - 1103,反式科技Pubilcations,北京,中国,2014。视图:谷歌学术搜索
17. 张毛t, y, y阮,h .高,h .周和d·李”特征学习和使用注射成型过程监控的convolution-deconvolution汽车编码器,”计算机与化学工程卷,118年,第90 - 77页,2018年。视图:出版商的网站|谷歌学术搜索
18. m . Heinle d鼓手,“测量插入在注塑,机械压力”机械工程的发展,7卷,不。5,6页,2015年。视图:出版商的网站|谷歌学术搜索
19. k·m·蔡和j·k·兰”,运动员之间的相关性压力和注塑模具内腔压力,”国际先进制造技术杂志》上,卷79,不。1 - 4、273 - 284年,2015页。视图:出版商的网站|谷歌学术搜索
20. w·s·关和h x黄”,提出技术获得空腔压力使用表面应变传感器在射出压缩成型的,”制造科学与工程杂志》上,卷135,不。2,p。2013。视图:出版商的网站|谷歌学术搜索
21. 黄毛y, t, z h·高和d·李,“统计质量监控方法,塑料注塑用机内置传感器,”国际先进制造技术杂志》上,卷85,不。9 - 12,2483 - 2494年,2016页。视图:出版商的网站|谷歌学术搜索
22. g . g . Wang赵、王x”开发和评估一个新的快速模具快速热循环加热和冷却方法成型,”国际期刊的传热传质卷,78年,第111 - 99页,2014年。视图:出版商的网站|谷歌学术搜索
23. f·德桑蒂斯和r·潘塔尼”开发的快速表面温度变化微喷射成型系统和应用程序,”材料加工技术杂志》上卷,237年,页1 - 11,2016。视图:出版商的网站|谷歌学术搜索
24. G.-L。王,G.-Q。赵和x。王”,加热/冷却通道设计汽车内部组成部分及其在快速热循环成型,评价”材料和设计59卷,第322 - 310页,2014年。视图:出版商的网站|谷歌学术搜索
25. y . g . Wang回族、l . Zhang和g .赵”研究温度和压力反应基于环形模具快速加热和冷却方式冷却通道和电热,”国际期刊的传热传质卷,116年,第1203 - 1192页,2018年。视图:出版商的网站|谷歌学术搜索
26. l·克丽玛m . Sorgato, g . Lucchetta”热优化确定多孔模插入快速热循环成型”国际期刊的传热传质卷,109年,第469 - 462页,2017年。视图:出版商的网站|谷歌学术搜索
27. s . Liparoti a Sorrentino, g . Titomanlio”在快速热循环温度和压力演化注塑、”材料和制造工艺,34卷,不。4、422 - 430年,2019页。视图:出版商的网站|谷歌学术搜索
28. s p·约翰斯顿(g . A . Mendible r . x高,和d . o . Kazmer”估计大部分熔胶温度从注塑型内热传感器,一个部分:方法,”国际聚合物加工,30卷,不。4、460 - 466年,2015页。视图:出版商的网站|谷歌学术搜索
29. 杨,l . Hu G.-J。李et al .,“注塑制件的熔体结晶行为的评价高密度聚乙烯(HDPE)基于凝固动力学分析,“塑料、橡胶和复合材料,46卷,不。5,200 - 211年,2017页。视图:出版商的网站|谷歌学术搜索
30. 高r . x, x, g·戈登,d . o . Kazmer,“通过进程内测量、在线产品质量监测”CIRP年报,卷63,不。1,第496 - 493页,2014。视图:出版商的网站|谷歌学术搜索
31. g·戈登,d . o . Kazmer x y, z . y .风扇,和r . x高,“使用多元质量控制注塑传感器。”国际先进制造技术杂志》上,卷78,不。9 - 12,1381 - 1391年,2015页。视图:出版商的网站|谷歌学术搜索
32. h . Urreta x Mendibil,即大草原,昆塔纳,“微喷射成型过程质量控制:传感器位置的角色,”国际先进制造技术杂志》上,卷89,不。9 - 12,3429 - 3438年,2017页。视图:出版商的网站|谷歌学术搜索
33. h . Wang曹b, c . k . Jen k·t·阮和m .来吧,”在线超声监测注射成型过程中,“高分子材料工程与科学,37卷,不。2、363 - 376年,1997页。视图:出版商的网站|谷歌学术搜索
34. b, y, h .邹问:张先生,和傅问:“逆相的快速测定聚合物混合使用超声波技术,”聚合物,46卷,不。18日,第7631 - 7624页,2005年。视图:出版商的网站|谷歌学术搜索
35. 他,x元,杨h . et al .,“超声波测量定位在HDPE / iPP混合得到动态包装注塑,”聚合物卷,47号7,2448 - 2454年,2006页。视图:出版商的网站|谷歌学术搜索
36. f . Lionetto和a·马费佐利“聚合物通过超声波传播特性,”聚合物技术的进步,27卷,不。2、63 - 73年,2008页。视图:出版商的网站|谷歌学术搜索
37. 赵y、x m·l·林和m . k . Lei“同时测定涂层厚度及其纵向速度的超声波无损方法,”无损检测& E国际,43卷,不。7,579 - 585年,2010页。视图:出版商的网站|谷歌学术搜索
38. r . Raisutis r . Kazys, l . Mazeika”的应用超声波回波脉冲技术质量控制的多层塑料材料,”无损检测E国际41卷,第311 - 300页,2008年。视图:出版商的网站|谷歌学术搜索
39. w . Michaeli和c·斯达克超声波热塑性塑料注塑过程的调查。”聚合物测试,24卷,不。2、205 - 209年,2005页。视图:出版商的网站|谷歌学术搜索
40. m . Aigner b . Praher c . Kneidinger j . Miethlinger和g . Steinbichler”验证融化行为单螺杆塑化单元使用一种新颖的模拟模型和实验方法,”国际聚合物加工卷,29号5,624 - 634年,2014页。视图:出版商的网站|谷歌学术搜索
41. b . Praher和g . Steinbichler Ultrasound-based液体层厚度的测量:一种新的时域方法,”机械系统和信号处理卷,82年,第177 - 166页,2017年。视图:出版商的网站|谷歌学术搜索
42. b . Praher k Straka, g . Steinbichler”ultrasound-based系统在注塑温度分布测量:系统设计、仿真和离线测试测量在水里,”测量科学与技术,24卷,不。2013年8篇文章ID 084004。视图:出版商的网站|谷歌学术搜索
43. b . Praher k . Straka j . Usanovic, g . Steinbichler“超声监测注射成型工艺方法为基础,应用程序和限制,“航会议论文集,卷1593,不。1,第162 - 159页,2014。视图:出版商的网站|谷歌学术搜索
44. l .赵裴,C.-K y Lai。珍,K.-D。吴”,实时诊断聚合物使用超声波处理注塑,”应用聚合物科学杂志》上,卷126,不。6,2059 - 2066年,2012页。视图:出版商的网站|谷歌学术搜索
45. 小野y, b·r·怀特塞德·e·c·布朗et al .,“micromoulding使用超声波传感器集成,实时过程监控”事务研究所的测量和控制卷,29号5,383 - 401年,2007页。视图:出版商的网站|谷歌学术搜索
46. c c。程,y小野,C.-K。珍”,共注塑成型的实时诊断用超声波,”高分子材料工程与科学卷,47号9日,第1500 - 1491页,2007年。视图:出版商的网站|谷歌学术搜索
47. y l . Mulvaney-Johnson c . c . Cheng小野,e·c·布朗,c . k .珍和p·d·科茨“实时诊断的气/水辅助注塑使用超声波传感器集成,”塑料、橡胶和复合材料,36卷,不。3、111 - 121年,2007页。视图:出版商的网站|谷歌学术搜索
48. y l, c·h·杨,c . c . Cheng和m .小林”小说在喷嘴注射成型过程的实时诊断高温超声换能器,”《2015年Ieee国际超声学研讨会IEEE,台北,台湾,2015年10月。视图:出版商的网站|谷歌学术搜索
49. 杨绍明。关铭吴,c c。程、m .小林和学术界。杨:“小说延长喷嘴的设计及其应用实时注塑工艺由超声诊断,”传感器和执行器:物理卷,263年,第438 - 430页,2017年。视图:出版商的网站|谷歌学术搜索
50. p .赵y赵,h . Kharbas et al .,“原位超声表征微孔注塑、”材料加工技术杂志》上卷,270年,第264 - 254页,2019年。视图:出版商的网站|谷歌学术搜索
51. p .赵y Peng w·杨,j .傅和L.-S。Turng“结晶通过超声测量速度:研究聚(乳酸)部分,“高分子科学杂志B部分:高分子物理,53卷,不。10日,700 - 708年,2015页。视图:出版商的网站|谷歌学术搜索
52. j . p .赵s . Wang应,j .傅“非破坏性测量腔压力在注塑过程中基于超声波技术和高斯过程,”聚合物测试,32卷,不。8,1436 - 1444年,2013页。视图:出版商的网站|谷歌学术搜索
53. y赵,p .赵,j . Zhang j .黄n .夏和j .傅”在线测量的注塑机锁模力使用超声波技术,”超声学卷,91年,第179 - 170页,2019年。视图:出版商的网站|谷歌学术搜索
54. p .赵y赵,j . Zhang j .黄n .夏和j .傅“超声测量的注塑机锁模力,”聚合物工程杂志,39卷,不。4、388 - 396年,2019页。视图:出版商的网站|谷歌学术搜索
55. p . j . Zhang赵,y赵,j .黄n .夏和j .傅”在线测量腔压力通过超声波在注塑系杆的调查,“传感器和执行器:物理卷,285年,第126 - 118页,2019年。视图:出版商的网站|谷歌学术搜索
56. p . Guerrier g . Tosello k·k·尼尔森和j·h·Hattel”三维数值模拟的感应加热注塑流动可视化工具,”国际先进制造技术杂志》上,卷85,不。1 - 4、643 - 660年,2016页。视图:出版商的网站|谷歌学术搜索
57. p . Guerrier g . Tosello, j . h . Hattel”流可视化和仿真在注射成型充填过程的,”Cirp制造科学与技术杂志》上》16卷,12-20,2017页。视图:出版商的网站|谷歌学术搜索
58. W.-R。郑大世,s。黄,c c。吴,学术界。花王,Y.-M。黄,M.-C。蔡”,使用一个可视化模具的影响讨论气体反压力和模具温度对喷泉流效应,”国际聚合物加工,33卷,不。2、255 - 267年,2018页。视图:出版商的网站|谷歌学术搜索
59. K.-Y。江,z, h . Li蔡明俊。王,T.-M。Yu”聚合物流动行为分析基于物理可视化技术对超声波vibration-assisted注塑、”国际聚合物加工,32卷,不。3、290 - 297年,2017页。视图:出版商的网站|谷歌学术搜索
60. K.-Y。江、张y l·杨,y,”研究共注塑成型工艺对自我强化的影响通过可视化self-reinforced聚丙烯复合的特点,“国际聚合物加工,34卷,不。4、408 - 415年,2019页。视图:出版商的网站|谷歌学术搜索
61. l . De数字Carmignato, j。Kruth、r·施密特和a . Weckenmann“计算机断层扫描的工业应用,CIRP年报,卷63,不。2、655 - 677年,2014页。视图:出版商的网站|谷歌学术搜索
62. a . Awal m . Rana和m .祈神保佑“Thermorheological和力学性能的纤维素增强解放军bio-composites,”材料力学卷,80年,第95 - 87页,2015年。视图:出版商的网站|谷歌学术搜索
63. d . Masato, j·拉索尔教授m . Sorgato s Carmignato和g . Lucchetta“收缩射出成型纤维增强薄壁零件的分析,“材料和设计卷,132年,第504 - 496页,2017年。视图:出版商的网站|谷歌学术搜索
64. t·b·Nguyen Thi m .盛冈a Yokoyama s Hamanaka k .山下式和c . Nonomura”射出成型short-glass-fiber复合材料中纤维取向分布的测量使用x射线计算机断层扫描,”材料加工技术杂志》上卷,219 - 2015页。视图:出版商的网站|谷歌学术搜索
65. j . p . Kruth m·巴奇s Carmignato r·施密特l . De数字和a . Weckenmann“维计量计算机断层扫描,”CIRP年报,60卷,不。2、821 - 842年,2011页。视图:出版商的网站|谷歌学术搜索
66. x陈,陈g和f·高,”型内监测注塑电容式传感器,”高分子材料工程与科学,44卷,不。8,1571 - 1578年,2004页。视图:出版商的网站|谷歌学术搜索
67. k·t·冯、f·高和x陈,“电容式传感器的应用程序在线体重预测和故障检测注塑部分,“高分子材料工程与科学卷,47号4、347 - 353年,2007页。视图:出版商的网站|谷歌学术搜索
68. k·t·h . y . Wong Fung)和f·高,”开发的传感器在线和通过循环关键过程监控和质量变量在注塑,”传感器和执行器:物理,卷141,不。2、712 - 722年,2008页。视图:出版商的网站|谷歌学术搜索
69. l . x Chen, x, j . Lu和f·高,“自动统一填写注塑速度剖面的决心,“高分子材料工程与科学,50卷,不。7,1358 - 1371年,2010页。视图:出版商的网站|谷歌学术搜索
70. y彭、h·李和L.-S。Turng”发展rheo-dielectric传感器在线剪切应力测量在注塑过程中,“高分子材料工程与科学,50卷,不。1,第68 - 61页,2010。视图:出版商的网站|谷歌学术搜索
71. a . v . Mamishev k . Sundara-Rajan f·福民,y延庆杜,和m .锥盘,“指状组合型传感器和传感器,”IEEE学报》,卷92,不。5,808 - 845年,2004页。视图:出版商的网站|谷歌学术搜索
72. t . Yamwong a . m .声音,g·r·戴维斯et al .,“电致伸缩反应理想极性橡胶,”应用物理杂志,卷91,不。3、1472 - 1476年,2002页。视图:出版商的网站|谷歌学术搜索
73. y, z黄、h·周和x高,“电容数字转换器dielectrostriction高分子材料的方法,”《年度技术Conference-ANTEC印第安纳波利斯印第安纳波利斯,页1497 - 1501年,在美国,2016年5月。视图:谷歌学术搜索
74. 诉纳张k、m . Misra和a·k·莫汉蒂”的基本挑战克服提高冲击强度和结晶度的解放军biocomposites:成核剂和模具温度的影响,“ACS应用材料&接口,7卷,不。21日,第11214 - 11203页,2015年。视图:出版商的网站|谷歌学术搜索
75. j . Anakabe a . m . Zaldua Huici, a . Eceiza a . Arbelaiz和l . Averous”组合成核剂和增塑剂的影响在聚乳酸的结晶行为,”聚合物公告,卷74,不。12日,第4886 - 4857页,2017年。视图:出版商的网站|谷歌学术搜索
76. m·r·卡马尔r . El Otmani a . Derdouri和js。楚说:“流和热历史对形态的影响和拉伸行为的聚(甲醛)微注塑件,”国际聚合物加工,32卷,不。5,590 - 605年,2017页。视图:出版商的网站|谷歌学术搜索
77. m·里纳尔蒂·d·普利亚区、f . Dominici诉Cherubini l .老爹和f . Nanni“熔体加工和机械性能表征的高性能聚醚醚酮碳纳米管复合材料,”聚合物国际,卷66,不。12日,第1736 - 1731页,2017年。视图:出版商的网站|谷歌学术搜索
78. s . j . a . Rizvi”效应的注塑参数等规聚丙烯的结晶性和力学性能”塑料技术的国际期刊,21卷,不。2、404 - 426年,2017页。视图:出版商的网站|谷歌学术搜索
79. m, d . Mi、f·侯和j .张“深入理解进化的外延结晶等规聚丙烯和聚乙烯混合”聚合物的先进技术,28卷,不。12日,第1758 - 1750页,2017年。视图:出版商的网站|谷歌学术搜索
80. x Tardif, b . Pignon: Boyard et al .,“实验研究的结晶PolyEtherEtherKetone (PEEK)在一个大的温度范围内使用nano-calorimeter,”聚合物测试36卷,10 - 19,2014页。视图:出版商的网站|谷歌学术搜索
81. k . a . Mirica s . s . Shevkoplyas s t·菲利普斯·m·古普塔和g·m·怀特赛兹”测量固体和液体的密度使用磁悬浮:基本面,”美国化学学会杂志》上,卷131,不。29日,第10058 - 10049页,2009年。视图:出版商的网站|谷歌学术搜索
82. p . j .谢赵,z, c, n .夏和j .傅”研究磁悬浮(磁悬浮)设备的敏感性,”磁学和磁性材料》杂志上卷,468年,第104 - 100页,2018年。视图:出版商的网站|谷歌学术搜索
83. 张,p .赵j .谢:夏,和j .傅”扩大为聚合物密度测量范围水平magneto-Archimedes悬浮,”聚合物测试卷,67年,第182 - 177页,2018年。视图:出版商的网站|谷歌学术搜索
84. x张古,j .谢张,j .傅和p .赵“磁投影:一种新的分离方法及其第一应用程序分离混合塑料,”废物管理卷,87年,第813 - 805页,2019年。视图:出版商的网站|谷歌学术搜索
85. a . Winkleman r . Perez-Castillejos k . l . Gudiksen s t·菲利普斯m .状态和g·m·怀特赛兹教授的“Density-based抗磁性分离:绑定事件和收集设备检测标记抗磁性粒子在顺的解决方案,“分析化学,卷79,不。17日,第6550 - 6542页,2007年。视图:出版商的网站|谷歌学术搜索
86. Q.-H。高,W.-M。张,H.-X。邹et al .,“可调使用磁悬浮rotating-mode密度测量,”应用物理快报,卷112,不。14日,ID 142408条,2018年。视图:出版商的网站|谷歌学术搜索
87. k . a . Mirica s t·菲利普斯,s . s . Shevkoplyas和g·m·怀特赛兹教授的“使用磁悬浮区分原子水平差异在聚合物化学成分,化学反应和监测在坚实的支持,“美国化学学会杂志》上,卷130,不。52岁,17678 - 17680年,2008页。视图:出版商的网站|谷歌学术搜索
88. a . Nemiroski s Soh s . w .郭》。Yu, g·m·怀特赛兹教授“磁悬浮使倾斜测量的完整范围的密度较低的材料磁导率,”美国化学学会杂志》上,卷138,不。4、1252 - 1257年,2016页。视图:出版商的网站|谷歌学术搜索
89. j .谢·赵c, y, n .夏和j .傅”一个可行的、便携、方便通过磁悬浮矿物质密度测量方法,”测量卷,136年,第572 - 564页,2019年。视图:出版商的网站|谷歌学术搜索
90. c . Zhang p .赵顾f . et al .,“单码道磁悬浮配置对象操纵和density-based测量,”分析化学,卷90,不。15日,第9233 - 9226页,2018年。视图:出版商的网站|谷歌学术搜索
91. c . Zhang, p .赵,d .唐et al .,“轴向磁悬浮:高灵敏度和机动density-based分析设备,“传感器和执行器B:化学,卷304,不。1,文章ID 127362, 2020。视图:出版商的网站|谷歌学术搜索
92. a, b, d .杨》。Yu et al .,“无触点取向的对象在三维空间中使用磁悬浮,”美国国家科学院院刊》上,卷111,不。36岁,12980 - 12985年,2014页。视图:出版商的网站|谷歌学术搜索
93. j . w . Hennek a . Nemiroski a . b . Subramaniam et al .,“使用磁悬浮塑料零件的无损质量控制”先进材料,27卷,不。9日,第1592 - 1587页,2015年。视图:出版商的网站|谷歌学术搜索
94. 夏n, p .赵,j .谢c . Zhang和j .傅“非破坏性测量三维聚合物部分magneto-Archimedes悬浮,”聚合物测试卷。66年,32-40,2018页。视图:出版商的网站|谷歌学术搜索
95. 夏n, p .赵,j .谢张j .傅和L.-S。Turng”,通过磁力悬浮聚合物样品缺陷诊断,”无损检测& E国际卷,100年,第182 - 175页,2018年。视图:出版商的网站|谷歌学术搜索
96. p .赵j .谢j . Zhang张c, n .夏和j .傅”评价聚合物注塑件通过density-based磁悬浮,”应用聚合物科学杂志》上,卷137,不。7篇文章ID 48431 2020。视图:出版商的网站|谷歌学术搜索
97. m·b·j·阿特金森d . k . Bwambok j . Chen等人“使用磁悬浮分离混合物的晶体多晶型物,”《应用化学国际版,52卷,不。39岁,10208 - 10211年,2013页。视图:出版商的网站|谷歌学术搜索
98. p .赵j .谢顾,n . Sharmin·霍尔和j .傅”分离的混合废塑料通过磁悬浮”废物管理卷。76年,46 - 54岁,2018页。视图:出版商的网站|谷歌学术搜索
99. d . Kramar和d .亚信论坛”预测模型和优化工艺参数,用于塑料注塑,”在Tehnologije Materiali,51卷,不。4、597 - 602年,2017页。视图:出版商的网站|谷歌学术搜索
100. c . c .郭和h . y .廖”,尺寸精度微塑性注塑过程的优化使用田口设计方法,”材料科学,21卷,不。2、244 - 248年,2015页。视图:出版商的网站|谷歌学术搜索
101. C.-M。林和H.-K。谢长廷,”处理优化的菲涅耳透镜制造注塑考虑双折射效应,”微系统技术,23卷,不。12日,第5695 - 5689页,2017年。视图:出版商的网站|谷歌学术搜索
102. c·金和j .公园”,优化注塑工艺的聚碳酸酯汽车开关按钮使用田口方法,”复合材料研究卷,29号1、7 - 15,2016页。视图:出版商的网站|谷歌学术搜索
103. m·d·Azaman s·m·Sapuan s Sulaiman e . s . Zainudin和a . Khalina”优化和数值模拟分析成型薄壁零件制造用木浆通过塑料注塑聚丙烯复合材料,”高分子材料工程与科学,55卷,不。5,1082 - 1095年,2015页。视图:出版商的网站|谷歌学术搜索
104. L.-T c·t·温x Chen Yang。刘,l .,“优化工艺参数的最小化翘曲的大型薄壁零件在注塑的整个阶段,“中国高分子科学杂志》上,32卷,不。11日,第1543 - 1535页,2014年。视图:出版商的网站|谷歌学术搜索
105. h·佩尔韦兹·m . s . Mozumder, a . h . i Mourad”优化注塑参数对HDPE /二氧化钛纳米复合材料制造与多个性能特征使用田口方法和灰色关联分析,“材料,9卷,不。8,p . 2016。视图:出版商的网站|谷歌学术搜索
106. x c·谢·c·g·林,c·g·h·贾和r . j .曹”优化注塑工艺参数ultrafine-grained WC-6Co硬质合金,”稀有金属材料与工程,44卷,不。12日,第3207 - 3202页,2015年。视图:谷歌学术搜索
107. Yu, y, d .杨h .周和j·李,“离线预测过程windows健壮的注塑,”应用聚合物科学杂志》上,卷131,不。18日,2014年。视图:出版商的网站|谷歌学术搜索
108. Y.-Q。王,J.-G。金,我。歌曲“优化注塑成型工艺参数制造刹车助力器阀体,”材料和设计(1980 - 2015),56个卷,第317 - 313页,2014年。视图:出版商的网站|谷歌学术搜索
109. m·a·巴和f·a·Alkaabneh收缩和翘曲的详细分析和优化实验设计,使用多级注塑工艺”质量工程,26卷,不。3、319 - 334年,2014页。视图:出版商的网站|谷歌学术搜索
110. z . y . Wang Yan, x山”vertical-faced聚丙烯瓶注塑工艺参数的优化,“材料科学与工程的发展卷,2018篇文章ID 2635084, p . 2018。视图:出版商的网站|谷歌学术搜索
111. Kc, o .镇上j·a·m·阿涅利a·l·里昂j . Tjong和m .祈神保佑“Sisal-glass纤维混合biocomposite:优化注塑参数使用田口方法减少收缩,“复合材料:应用科学和制造业卷,83年,第159 - 152页,2016年。视图:出版商的网站|谷歌学术搜索
112. Y.-T。周素卿、W.-T。林,观测。李,T.-M。叶”,结合田口方法和响应面分析注塑工艺参数的优化,“应用数学和信息科学,8卷,不。3、1277 - 1285年,2014页。视图:出版商的网站|谷歌学术搜索
113. e . Oliaei b s Heidari对伊朗伊斯兰共和国通讯社表示,s m . Davachi et al .,“翘曲和收缩优化的射出成型塑料勺部分可生物降解聚合物使用田口,方差分析和人工神经网络方法,”材料科学与技术杂志》上,32卷,不。8,710 - 720年,2016页。视图:出版商的网站|谷歌学术搜索
114. x Sanchez-Sanchez、a . Elias-Zuniga和m . Hernandez-Avila”处理超声波超高分子量聚乙烯/石墨复合材料的注塑:田口方法优化,“超声波声化学,44卷,第358 - 350页,2018年。视图:出版商的网站|谷歌学术搜索
115. g·辛格·m·k·普拉丹,a Verma”多响应优化注塑工艺参数来减少周期时间和翘曲,”今天材料:诉讼,5卷,不。2、8398 - 8405年,2018页。视图:出版商的网站|谷歌学术搜索
116. j .张x阴,f·刘,p .杨”的模拟弯曲的聚丙烯复合材料的薄壁部分基于模具变形的耦合效应和注塑过程中,“复合材料科学与工程,25卷,不。3、593 - 601年,2018页。视图:出版商的网站|谷歌学术搜索
117. f .赵:陆,j . Lu”质量控制间歇过程使用基于自然梯度的模范自由优化”IFAC诉讼卷卷,47号3、8335 - 8340年,2014页。视图:出版商的网站|谷歌学术搜索
118. w·郭、l .华和h .毛”最小化缩痕深度的射出成型热塑性通过实验设计和遗传算法,”国际先进制造技术杂志》上,卷72,不。1 - 4、365 - 375年,2014页。视图:出版商的网站|谷歌学术搜索
119. h·史、y高和x王”优化注塑工艺参数使用集成人工神经网络模型和预期改进函数法,“国际先进制造技术杂志》上,48卷,不。9 - 12,955 - 962年,2010页。视图:出版商的网站|谷歌学术搜索
120. w·夏、b·罗和x p .廖”一个增强的基于高斯过程代理模型的优化方法在注塑过程控制,”国际先进制造技术杂志》上卷,56号9 - 12,929 - 942年,2011页。视图:出版商的网站|谷歌学术搜索
121. f·顾,p .大厅,英里,问:叮,t·吴,“改善力学性能的回收塑料混合通过优化加工参数使用田口方法和主成分分析,“材料和设计(1980 - 2015)卷,62年,第198 - 189页,2014年。视图:出版商的网站|谷歌学术搜索
122. a . Asfaram m . Ghaedi和美国Hajati筛选和优化的高效ultrasound-assisted同时吸附阳离子染料Mn-doped菲₃O₄-nanoparticle-loaded活性炭。”超声波声化学34卷,1 - 12,2016页。视图:出版商的网站|谷歌学术搜索
123. k . Li s . l .燕w·f·潘,g .赵”的纤维增强复合材料注塑翘曲优化反向传播神经网络和遗传算法相结合,“国际先进制造技术杂志》上,卷90,不。1 - 4、963 - 970年,2017页。视图:出版商的网站|谷歌学术搜索
124. s . j . a . Rizvi a k·辛格(manmohan Singh)和g·r·Bhadu”优化注塑α-nucleated聚丙烯的拉伸性能使用响应面方法,”聚合物测试,60卷,第210 - 198页,2017年。视图:出版商的网站|谷歌学术搜索
125. b . s . Heidari对伊朗伊斯兰共和国通讯社表示,e . Oliaei h . Shayesteh et al .,“仿真模拟注塑过程的力学行为和优化基于解放军抗菌复合材料和纳米复合材料骨螺丝使用中心合成设计,“生物医学材料的力学行为杂志》上卷,65年,第176 - 160页,2017年。视图:出版商的网站|谷歌学术搜索
126. s . m . s . Mukras、h·m·奥马尔和f . a . al-Mufadi”Experimental-based注塑工艺参数的多目标优化,“阿拉伯科学与工程》杂志上,44卷,不。9日,第7665 - 7653页,2019年。视图:谷歌学术搜索
127. H.-G。金,h . j .儿子D.-K。李,D.-W。金,h . j .公园,D.-H。曹”,优化和分析反应注射成型polydicyclopentadiene使用响应面方法,”韩国化学工程杂志》上,34卷,不。7,2099 - 2109年,2017页。视图:出版商的网站|谷歌学术搜索
128. Kitayama, h . Miyakawa m . Takano, s . Aiba“多目标优化注塑工艺参数的短周期时间和减少弯曲使用保形冷却通道,”国际先进制造技术杂志》上,卷88,不。5 - 8,1735 - 1744年,2017页。视图:出版商的网站|谷歌学术搜索
129. Kitayama, m . Yokoyama m . Takano, s . Aiba”变量的多目标优化包装压力曲线和在塑料注射成型工艺参数减少翘曲和周期时间,“国际先进制造技术杂志》上,卷92,不。9 - 12,3991 - 3999年,2017页。视图:出版商的网站|谷歌学术搜索
130. Kitayama和美国写到,“多目标优化的体积收缩和夹紧力通过连续的近似优化注塑成型,”仿真建模实践和理论卷,48 35-44,2014页。视图:出版商的网站|谷歌学术搜索
131. j·w·j·h·张,j . Wang Lin郭,k . w . Chen和l .妈,“多目标优化注塑工艺参数的选择方面,EBFNN, MOPSO,”国际先进制造技术杂志》上,卷85,不。9 - 12,2857 - 2872年,2016页。视图:出版商的网站|谷歌学术搜索
132. h .高,张y、x周和d,“聪明的注塑成型工艺参数确定的方法,”机械工程的前沿,13卷,不。1,第95 - 85页,2018。视图:出版商的网站|谷歌学术搜索
133. h . s .公园和t . t .阮”,优化注塑工艺对汽车挡泥板考虑能源效率和产品质量,“计算设计和工程杂志》上,1卷,不。4、256 - 265年,2014页。视图:出版商的网站|谷歌学术搜索
134. s . k . Li Yan, y中,w .锅和g .赵“纤维增强复合材料注塑过程的多目标优化使用田口方法,RSM, NSGA-II,”仿真建模实践和理论卷,91年,第82 - 69页,2019年。视图:出版商的网站|谷歌学术搜索
135. 美国Kitayama, r . Onuki和k .山崎”减少翘曲与变压通过连续的近似优化概要文件在塑料注塑,”国际先进制造技术杂志》上,卷72,不。5 - 8,827 - 838年,2014页。视图:出版商的网站|谷歌学术搜索
136. y . j .徐问:w·张,w·h·张,张平,“优化注塑工艺参数改善聚合物产品的力学性能影响,”国际先进制造技术杂志》上,卷76,不。9 - 12,2199 - 2208年,2015页。视图:出版商的网站|谷歌学术搜索
137. Kitayama, k . Tamada m . Takano, s . Aiba”数值和实验调查在塑料注射成型工艺参数的优化减少weldlines和锁模力最小化,“国际先进制造技术杂志》上,卷97,不。5 - 8,2087 - 2098年,2018页。视图:出版商的网站|谷歌学术搜索
138. Kitayama, k . Tamada m . Takano, s . Aiba”在塑料注射成型工艺参数的数值优化最小化weldlines并使用保形冷却通道,锁模力”《生产流程32卷,第790 - 782页,2018年。视图:出版商的网站|谷歌学术搜索
139. m . Takano Kitayama, y山崎,s . Aiba”数值和实验调查注塑成型工艺参数优化的使用多目标决策,”仿真建模实践和理论卷,85年,第105 - 95页,2018年。视图:出版商的网站|谷歌学术搜索
140. 李h . x, x y王,j·f·顾et al .,“动态注塑压力分析和工艺参数优化减少注塑产品的翘曲,”聚合物,9卷,不。3、2017年p。23日。视图:出版商的网站|谷歌学术搜索
141. j·f·顾x y . Wang, c . y .沈和x c .王”翘曲优化与动态注射成型技术和顺序优化方法,”国际先进制造技术杂志》上,卷78,不。1 - 4、177 - 187年,2015页。视图:出版商的网站|谷歌学术搜索
142. d·h·李,k . Liu赵,李问:m . Wang和j .侯“显微镜下注射成型工艺参数的多目标优化的可生物降解聚合物支架,”材料,11卷,不。11,2322年,页2018。视图:出版商的网站|谷歌学术搜索
143. p .赵董z, j . Zhang et al .,“优化注塑工艺参数控制体重:将优化问题转化为分类问题,“聚合物技术的进步2019年出版社。视图:谷歌学术搜索
144. 杨j .赵y、x陈和f·高,“迭代优化建模和信赖域方法,批处理过程,”工业化学与工程化学研究,54卷,不。12日,第3199 - 3186页,2015年。视图:出版商的网站|谷歌学术搜索
145. 杨朱,y, b。, z邵,x陈,“模范自由质量优化策略一批过程周期较短时间和较低的运营成本,”工业化学与工程化学研究,53卷,不。42岁,16384 - 16396年,2014页。视图:出版商的网站|谷歌学术搜索
146. s . l . j .赵gdp Cheng阮,李和z”注塑工艺参数的多目标优化设计的基础上改进有效的全局优化算法和non-dominated sorting-based遗传算法,”国际先进制造技术杂志》上,卷78,不。9 - 12,1813 - 1826年,2015页。视图:出版商的网站|谷歌学术搜索
147. w·c·陈,p . h . Liou和s . c .周”的综合参数优化系统MIMO塑料注塑使用软计算,”国际先进制造技术杂志》上,卷73,不。9 - 12,1465 - 1474年,2014页。视图:出版商的网站|谷歌学术搜索
148. G.-J。康,学术界。公园,D.-H。崔Metamodel-based注塑工艺的优化设计变量和盖茨汽车手套箱的提高它的质量,”机械科学与技术杂志》上,30卷,不。4、1723 - 1732年,2016页。视图:出版商的网站|谷歌学术搜索
149. j·h·刘,x·d·陈,z .问:林和s . p .刁”多目标优化注塑工艺参数的精密制造塑料光学透镜,”数学问题在工程卷,2017篇文章ID 2834013, p。13日,2017年。视图:出版商的网站|谷歌学术搜索
150. m .田x锣,l .阴et al .,“注塑工艺参数的多目标优化两个阶段为多个质量特性和能源效率使用田口方法和NSGA-II,”国际先进制造技术杂志》上,卷89,不。1 - 4、241 - 254年,2017页。视图:出版商的网站|谷歌学术搜索
151. k . Li s . l .燕w·f·潘,g .赵”优化纤维取向分布在纤维增强复合材料注塑口、反向传播神经网络和遗传algorithm-particle群优化,“机械工程的发展,9卷,不。9,11页,2017年。视图:出版商的网站|谷歌学术搜索
152. w·c·陈,m·h·阮w·h·赵t . n . Chen和p h·泰”塑料注射成型过程的优化使用田口方法,RSM,和混合GA-PSO,”国际先进制造技术杂志》上,卷83,不。9 - 12,1873 - 1886年,2016页。视图:出版商的网站|谷歌学术搜索
153. 观测。陈和d . Kurniawan”过程参数优化多个质量特性使用田口方法在塑料注塑,摘要,遗传算法,混合PSO-GA,”国际期刊的精密工程和制造业,15卷,不。8,1583 - 1593年,2014页。视图:出版商的网站|谷歌学术搜索
154. C.-M。林和Y.-W。陈,“灰色优化注射成型加工的塑料光学透镜基于联合考虑畸变和双折射的影响,“微系统技术,25卷,不。2、621 - 631年,2019页。视图:出版商的网站|谷歌学术搜索
155. r . j . Bensingh r . Machavaram s . r . Boopathy和c . Jebaraj”注塑工艺优化bi-aspheric镜头使用混合人工神经网络(ann)和粒子群优化(PSO),“测量卷,134年,第374 - 359页,2019年。视图:出版商的网站|谷歌学术搜索
156. j·l·郭和m . t . Chang”多目标设计的轴向磁通电机涡轮喷射模式由粒子群优化注塑成型机,”数学问题在工程文章ID 974624卷,2015年,p . 2015。视图:出版商的网站|谷歌学术搜索
157. 徐和z . t .杨”,多目标优化通过软塑料注射成型工艺参数的计算和灰色关联分析,“国际先进制造技术杂志》上,卷78,不。1 - 4、525 - 536年,2015页。视图:出版商的网站|谷歌学术搜索
158. 进行r·埃伯哈特和j·肯尼迪,“粒子群优化”IEEE国际会议进行神经网络,页1942 - 1948,珀斯,澳大利亚,1995年11月。视图:谷歌学术搜索
159. t·怀斯全局优化Algorithms-Theory和应用,2009年。
160. 约翰斯顿,c . McCready d·海森d . VanDerwalker和d . Kazmer“在线多元优化注塑,”高分子材料工程与科学,55卷,不。12日,第2750 - 2743页,2015年。视图:出版商的网站|谷歌学术搜索
161. y, b .杨朱,和陈x”在线质量优化注塑工艺通过数字图像处理和模范自由优化”材料加工技术杂志》上卷,226年,第98 - 85页,2015年。视图:出版商的网站|谷歌学术搜索
162. y杨和f·高填充热塑性塑料注塑速度的自适应控制,”控制工程实践,8卷,不。11日,第1296 - 1285页,2000年。视图:出版商的网站|谷歌学术搜索
163. 杨,z徐、杨y和f·高,“二维预测函数控制应用于注塑、”工业化学与工程化学研究,54卷,不。41岁,10088 - 10102年,2015页。视图:出版商的网站|谷歌学术搜索
164. l . Wang美国密苏里州,d .周f·高,x陈,“Delay-range-dependent迭代学习方法容错批处理流程,保证成本控制”工业化学与工程化学研究,52卷,不。7,2661 - 2671年,2013页。视图:出版商的网站|谷歌学术搜索
165. l . Wang美国密苏里州,d .周f·高,x陈,“Delay-range-dependent健壮的二维迭代学习控制间歇过程具有状态时滞和不确定性,”《过程控制,23卷,不。5,715 - 730年,2013页。视图:出版商的网站|谷歌学术搜索
166. h . r . Zhang邹、a .雪和f·高,“基于遗传算法的预测函数控制下的批处理执行器故障,”化学计量学和智能实验室系统卷,137年,第73 - 67页,2014年。视图:出版商的网站|谷歌学术搜索
167. 胡锦涛x l . Wang和f·高,“Genetic-algorithm-optimization-based无限的地平线线性二次控制注塑间歇过程的不确定性,”工业化学与工程化学研究卷,57号51岁,17462 - 17469年,2018页。视图:出版商的网站|谷歌学术搜索
168. p . j . f . l . Wang Liu Yu, r . Zhang和f·高,“迭代学习容错控制注塑过程对致动器的缺点,”《过程控制卷,59岁,59 - 72年,2017页。视图:出版商的网站|谷歌学术搜索
169. x l . Wang Chen和f·高,”一个LMI方法鲁棒迭代学习容错保成本控制的批处理过程,”中国化学工程杂志》上,21卷,不。4、401 - 411年,2013页。视图:出版商的网站|谷歌学术搜索
170. r, r ., a .雪和f·高,“预测函数控制下的线性系统部分执行器故障和应用一批注塑过程中,“工业化学与工程化学研究,53卷,不。2、723 - 731年,2014页。视图:出版商的网站|谷歌学术搜索
171. l . Wang美国密苏里州,d .周f·高,x陈,“健壮的延迟相关迭代学习批处理过程具有状态时滞和容错控制致动器失败,”《过程控制,22卷,不。7,1273 - 1286年,2012页。视图:出版商的网站|谷歌学术搜索
172. l . Wang美国密苏里州、d .周和f·高,“稳健设计的反馈和迭代学习控制集成的间歇过程的不确定性和区间时变延迟,”《过程控制,21卷,不。7,987 - 996年,2011页。视图:出版商的网站|谷歌学术搜索
173. 陆j . r . Zhang,瞿h . f .高,“状态空间模型预测和部分执行器故障容错控制间歇过程,”《过程控制,24卷,不。5,613 - 620年,2014页。视图:出版商的网站|谷歌学术搜索
174. 杨y, z曹j . Lu, f·高,“Two-time-dimensional模型预测控制Bi-injection成型的焊接线定位”工业化学与工程化学研究,54卷,不。17日,第4804 - 4795页,2015年。视图:出版商的网站|谷歌学术搜索
175. 张r和f·高,“二维迭代学习模型预测控制的批处理过程:一个新的状态空间模型补偿的方法,”IEEE系统,人,和控制论:系统,2018年,页1 - 9。视图:出版商的网站|谷歌学术搜索
176. B.-H。宋,N.-H。金,K.-Y。李,“数字比例积分微分控制器优化加热和冷却注塑系统,”电气工程与技术》杂志上,10卷,不。3、1383 - 1388年,2015页。视图:出版商的网站|谷歌学术搜索
177. C.-J。陈,K.-T。吴,S.-J。黄”,发展自调整模糊PID控制器的伺服液压系统来模拟注塑过程中,“微系统技术,22页,2018页。视图:出版商的网站|谷歌学术搜索
178. r·杜贝,b, j·m·埃尔南德斯和m .烦心事。”控制工艺参数在塑料注射成型塑炼使用模型预测控制,”聚合物技术的进步,33卷,p。2014。视图:出版商的网站|谷歌学术搜索
179. Y.-g。彭,j . Wang和w·魏”,模型预测控制的伺服电机驱动的恒定泵液压系统在注塑过程中基于神经能的优化,“浙江大学科学杂志》上,15卷,不。2、139 - 146年,2014页。视图:出版商的网站|谷歌学术搜索
180. s, r·杜贝,和m .烦心事。”一个主成分分析模型预测控制器控制部分在塑料注塑翘曲,”专家系统与应用程序,42卷,不。6,2919 - 2927年,2015页。视图:出版商的网站|谷歌学术搜索
181. c . Hopmann A . Ressmann m . Reiter s Stemmler d·亚伯,“自优化注射成型过程和基于模型的控制系统参数化,“国际期刊《计算机集成制造卷,29号11日,第1199 - 1190页,2016年。视图:出版商的网站|谷歌学术搜索
182. m . Reiter s Stemmler c . Hopmann a . Ressmann和d·亚伯”模型预测控制腔压力在注射成型过程中,“IFAC诉讼卷卷,47号3、4358 - 4363年,2014页。视图:出版商的网站|谷歌学术搜索
183. 胡锦涛x h .邹,l .王”的设计基于线性二次结构的预测函数控制工业过程对部分使用GA优化驱动器故障,”国际期刊的控制、自动化和系统,17卷,不。3、597 - 605年,2019页。视图:出版商的网站|谷歌学术搜索
184. 气,李,周y和z周,设计精密注塑的伺服控制系统电液混合注射机施普林格,柏林,德国,2014年。
185. c . Hopmann和j . Heinisch“过程控制策略对注塑过程改变原料粘度,”聚合物工程杂志,38卷,不。5,483 - 492年,2017页。视图:出版商的网站|谷歌学术搜索
186. 美国Kanagalakshmi、d . Manamalli和m . Mohamedrafiq”实现multimodel-based PID智能控制器的模拟和实时温度控制注塑机,”化学工程通信,卷203,不。4、452 - 462年,2016页。视图:出版商的网站|谷歌学术搜索
187. c . Hopmann d·亚伯,j . Heinisch和s . Stemmler”自优化注塑基于迭代学习控制腔压力,”生产工程,11卷,不。2、97 - 106年,2017页。视图:出版商的网站|谷歌学术搜索
188. t·d·杜诺Radermacher、瓦格纳和j .韦伯“迭代学习控制的塑料注塑成型机,”at-Automatisierungstechnik,卷62,不。3、226 - 236年,2014页。视图:出版商的网站|谷歌学术搜索
189. 和j . r, s . Wu道,“一个新的预测函数控制策略设计间歇过程的二维框架,“IEEE工业信息,15卷,不。5,2905 - 2914年,2019页。视图:出版商的网站|谷歌学术搜索
190. x y,陈:陆,f·高,注射成型过程控制、监视和优化卡尔•汉斯- GmbH Co KG,慕尼黑,德国,2016年。
191. 诉Mnih k . Kavukcuoglu d银et al .,“人类控制通过强化学习,”自然,卷518,不。7540年,第533 - 529页,2015年。视图:出版商的网站|谷歌学术搜索
192. 阮y, y, t·毛x周,d . Li和h .周”轨迹优化使用学习批处理控制和定位控制,”控制工程实践卷,85年,页1 - 10,2019。视图:出版商的网站|谷歌学术搜索

版权

版权©2020彭赵等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。